结合水平集方法和PL主曲线分析的重叠细胞检测

提出了一种重叠细胞检测的新方法,该方法针对细胞图像处理中因细胞重叠而引起的过分割与欠分割现象这一难点,引入基于Mumford-Shah模型的水平集方法得到细胞的初始轮廓,采用EP(erosion-propagation)和PL主曲线相结合的图像分析方法得到目标的精确轮廓线.使用基于目标形状的图像配准方法和基于目标轮廓的分段特征分类器完成重叠细胞的检测.应用该方法对600张随机抽取的细胞图像中9374个细胞进行检测,实验正确率为91.83%,结果表明该方法能够有效地判断细胞是否重叠和重叠类型,为后续分割工作提供依据.     

活动轮廓模型在重叠藻细胞计数中的应用

针对重叠藻细胞显微图像的计数问题,提出一种基于活动轮廓模型的重叠藻细胞自动计数方法。对重叠藻细胞显微图像进行预处理,标记连通域,提取并处理局部图像,采用活动轮廓模型算法提取重叠藻细胞边缘,同时进行边缘分析和计数。与传统分水岭算法相比,该计数方法不直接进行重叠藻细胞分割,可以消除因直接分割时过分割与欠分割导致的计数误差,提高重叠藻细胞计算准确度。实验结果表明,该方法对重叠藻细胞的计数准确率高于90%。     

基于稀疏轮廓点模型的彩色重叠细胞图像分割

根据对细胞轮廓结构的分析,提出了描述细胞轮廓特征的稀疏轮廓点模型。该模型将细胞轮廓划分为强轮廓和弱轮廓2部分,并用一系列稀疏的轮廓点来近似表示细胞轮廓。在该模型的基础上,算法综合了彩色图像处理与灰度图像处理的方法,首先提取细胞与背景交界处的强轮廓作为基准轮廓。然后提出了一种环形动态轮廓搜索算法,沿着基准轮廓搜索位于重叠细胞区域的弱轮廓。经过轮廓搜索算法获得细胞的稀疏轮廓点组成初始轮廓,采用 GVF（gradient vector flow ） Snake 模型进行细胞的精确分割。通过对2个细胞图像数据集的图像样本进行的分割实验验证了算法对于分割单细胞图像、同种颜色重叠细胞图像和不同颜色重叠细胞图像的准确性。     

基于主凹点检测的血细胞图像去粘连分割算法研究

针对医学中血细胞图像研究中粘连细胞难以分割的问题,提出一种基于主凹点检测的分割算法。通过滤波预处理去除图像的噪声以改善图像质量,基于改进的活动轮廓模型初步提取细胞轮廓,通过寻找主凹点的方法准确定位粘连细胞凹点位置,标记并融合细胞图像轮廓、粘连形状等特性,实现粘连细胞分离。实验结果表明,该方法具有很好的分割准确度和完整度,且该算法具有普适性。     

基于异常检测的尿沉渣图像分割

在尿沉渣图像中,由于其样本特性,使得在细胞图像采集时会有大量的杂质。这些杂质形状不规则,颜色不单一,用传统的图像分割算法难以去除。针对这个问题,提出一种基于异常检测的图像分割算法。该方法用形态学的方法对二值图像进行轮廓提取,根据其轮廓进行特征提取并且进行标记,然后用提取的轮廓特征以及标记构建异常检测模型。最终根据该模型对图象进行分割,并且定量地对该模型进行评价。实验结果表明,基于异常检测模型的尿沉渣检测方法能够以较高精度将杂质从细胞图像中分离。     

基于B 样条Snake模型的人体运动跟踪方法研究*

提出了一种基于B-样条曲线Snake模型的新的人体运动跟踪方法.Snake算法是通过最小能量来逼近物体的轮廓.采用改进的B-样条曲线Snake模型,每一帧图像中的目标轮廓用三次样条曲线准确地表示,使Snake模型更加稳定和具有较快的收敛速度.计算相邻帧之间的差分图像,通过利用一种基于统计关系双阈值分割方法,有效地检测出图像中运动人体,初步确定目标在每帧图像中的粗略位置.把从上一帧图像中得到的目标轮廓置于该位置,作为B-样条曲线Snake算法中轮廓提取的初始值,经运算后可得到对人体目标的准确分割与跟踪.     

基于Hessian矩阵和RSF模型的CT图像淋巴结分割

临床上医生分割淋巴结主要依靠手动,针对手动分割淋巴结的缺点和局限,本文提出一种基于Hessian矩阵和区域扩展拟合水平集模型(Region-Scalable Fitting,RSF)的淋巴结自动分割算法。该算法首先利用Hessian矩阵对CT图像中的淋巴结进行增强,并得到淋巴结粗略轮廓,然后把该粗略轮廓作为RSF模型的初始轮廓,并利用RSF模型对初始轮廓进行演化以实现淋巴结的有效分割。将该方法应用于6个病例的CT淋巴结图像中,初步实验结果与医生手动分割结果对比,平均重叠率93.3%,平均Hausdorff距离为3.8 mm。     

基于卷积神经网络的虫情图像分割和计数方法

为提高虫情图像的分割和计数的准确率,提出了一种基于卷积神经网络的虫情图像分割和计数方法。该方法基于U-Net模型构造了一种昆虫图像分割的模型Insect-Net,将完整的虫情图像和切割后的虫情图像分别输入模型后,提取两者特征进行融合。将融合后的特征输入1个1×1的卷积层得到最终分割结果,再将得到的结果二值化后,采用轮廓检测算法将昆虫目标与背景分离并计数。实验结果表明,该方法在虫情图像中取得了较高的分割正确率和计数正确率,分别为94.4%和89.2%。用深度学习和卷积神经网络的方法有效提高了虫情图像的计数精度,并且为昆虫识别分类提供了大量的无背景数据集。     

基于Retinex原理和区域生长的猪卵母细胞切片显微图像去背景分割

基于Retinex原理对猪卵母细胞切片图像进行一定比例的高频图像分割,从分割后的图像中获取种子点和生长阈值信息后,用区域生长法得到二值化图像,经过轮廓填充、中值滤波得到分割模板,最后将细胞原图填充至得到的分割模板中得到去背景的细胞图像。得到的结果图分割良好,消除了细胞背景图像的噪声,突出了细胞轮廓特征。     

结合显著性的主动轮廓图像分割

传统的主动轮廓方法无法突出分割区域的显著性,同时在由显著性检测算法所得到的显著图中目标具有较高的信噪比,因此提出结合显著性的主动轮廓图像分割。通过线性光谱聚类分割得到超像素,以超像素为处理单位利用基于图论的流形排序算法获得较好的显著图;将高斯混合模型引入到主动轮廓的曲线演化过程中,计算曲线内外的平均灰度值,从而通过高斯混合模型和显著性信息得到了新的主动轮廓能量方程,并运用水平集方法指导分割,获得最终的分割结果。实验结果表明,提出的图像分割方法可以对图像进行快速和有效的分割。     

基于层次性断层数据的三维重构技术

针对基于层次性断层数据的三维重构,提出了通过引入嵌套矩阵构造嵌套树,然后再通过构造最小生成树的方法来解决轮廓线相邻层次间的对应问题,并以两轮廓环相互覆盖区域的大小作为约束条件。该方法把基于覆盖的对应方法和全局轮廓对应方法结合起来,降低了重构时轮廓拓扑关系判断的复杂性,又能准确地确定轮廓对应关系。     

正面视角的步态识别

现有的步态识别算法研究几乎全都是基于侧面步态的.提出一种基于正面视角的步态识别方法.首先归一化RGB颜色空间被用来检测和去除阴影,并用背景减除法提取二值化人体轮廓.提出一种专门适用于正面步态的周期检测方法,提取周期关键帧后跟踪轮廓线,并用改进的等角度采样法进行采样以减少计算量.简单高效的傅里叶描述子被用来提取特征向量,进行数据降维后构造步态模板.用最近邻和最近邻标本分类器分别进行分类.在CASIA数据库上的实验表明,该算法不仅具有较低的计算量而且表现出较好的识别性能.     

角点密度特征下的粘连蘑菇定位算法

在基于机器视觉实现蘑菇自动化采摘过程中,由于蘑菇苗床背景复杂多样,蘑菇群落之间尺度、形状差异大,且相互间存在复杂粘连,造成采摘位置定位困难,针对该问题,提出了以Harris角点为纹理特征的背景过滤算法,实现菌丝、木屑、杂草等干扰因素下的前景目标的准确提取;继而针对粘连蘑菇的尺度差异,提出了一种迭代方法搜索前景距离图中的区域极值点,在此基础上采用基于标记的分水岭算法实现粘连蘑菇的分割;最后利用椭圆拟合对蘑菇边界和中心坐标进行定位.通过实际场景中的蘑菇样本图片进行测试,证明算法定位准确性达到86.3%,平均处理时间为0.711 s,满足实时性要求.     

Edge curvature and convexity based ellipse detection method

In this paper, we propose a novel ellipse detection method for real images. The proposed method uses the information of edge curvature and their convexity in relation to other edge contours as clues for identifying edge contours that can be grouped together. A search region is computed for every edge contour that contains other edge contours eligible for grouping with the current edge contour. A two-dimensional Hough transform is performed in an intermediate step, in which we use a new ‘relationship score’ for ranking the edge contours in a group, instead of the conventional histogram count. The score is found to be more selective and thus more efficient. In addition, we use three novel saliency criteria, that are non-heuristic and consider various aspects for quantifying the goodness of the detected elliptic hypotheses and finally selecting good elliptic hypotheses. The thresholds for selection of elliptic hypotheses are determined by the detected hypotheses themselves, such that the selection is free from human intervention. The method requires a few seconds in most cases. So, it is suitable for practical applications. The performance of the proposed ellipse detection method has been tested on a dataset containing 1200 synthetic images and the Caltech 256 dataset containing real images. In both cases, the results show that the proposed ellipse detection method performs far better than existing methods and is close to the ideal results, with precision, recall, and F-measure, all very close to 1. Further, the method is robust to the increase in the complexity of the images (such as overlapping ellipses, occluded ellipses), while the performance of the contemporary methods deteriorates significantly.     

三维重构中层次性断层数据的处理技术

针对基于层次性断层数据的三维重构,通过引入嵌套矩阵构造嵌套树,再通过构造最小生成树的方法来解决轮廓线相邻层次间的对应问题,并以两轮廓环相互覆盖区域的大小作为约束条件.该方法把基于覆盖的轮廓线对应法和基于全局的轮廓线对应方法结合起来,降低了重构时轮廓拓扑关系判断的复杂性,又能准确的确定轮廓线间的对应关系.     

Object delineation in noisy images by a modified policy-iterationmethod

The contours of isolated objects in noisy images may be detected with a minimal cost contour detection algorithm. An algorithm that is based on the policy-iteration method for locating the closed minimal cost path is introduced. Computational results indicate that it is computationally more efficient than the dynamic programming approach. The method is applied to left ventricular contours in scintigraphic images, although it is applicable to any domain where a closed minimal cost path is to be computed in a matrix of cost coefficients     

基于成对几何直方图的PCB标志检测与匹配

矩方法和模板匹配方法在PCB标志检测中长期被使用,但是这两种方法存在低速和匹配率低下等问题。由于图像的形状特征对各种干扰具有很好的稳健性,本文提出一种利用Freeman链码描述图像轮廓,然后利用顶点检测算法简化图像的顶点以减少计算量,最后利用这一图像轮廓生成成对几何直方图,利用其旋转不变性对图像进行基于轮廓的检测与匹配的方法。实验结果表明利用成对几何直方图方法进行的PCB标志检测与匹配的综合正确检测率高达96%。     

A Holistic Approach for Efficient Contour Detection

Object contours contain important visual information which can be applied to numerous vision tasks. As recent algorithms focus on the accuracy of contour detection, the entailed time complexity is significantly high. In this paper, we propose an efficient and effective contour extraction method based on both local cues from pixels and global cues from saliency. Experimental results demonstrate that a good trade-off between accuracy and speed can be achieved by the proposed approach for contour detection.     

快速的人脸轮廓检测及姿态估计算法

提出一种基于人脸特征区域划分的人脸轮廓检测方法和快速人脸姿态估计方法.该方法根据特征点在人脸的分布情况将人脸划分为9个区域.对于每个选定的区域,首先检测出其初始轮廓线,然后用三次多项式对其进行曲线拟合处理,最后把不同区域的轮廓线连接起来得到完整的人脸轮廓.此外,为了快速、准确地估计出人脸的姿态,本文从人脸的对称性出发,提出了进行人脸姿态估计的面积模型和近似平面模型.实验表明,本文所提出的轮廓检测方法对于复杂背景中具有不同姿态的人脸图像可以得到较满意的检测结果.和其它检测方法相比,本文方法具有模型简单、计算速度快等优点.     

基于节点相似性的加权复杂网络BGLL社团检测方法

针对加权复杂网络中的重叠社团检测问题,提出了一种面向加权网络的基于Jaccard系数的BGLL模块密度优化算法（Modularity Density and Jaccard Based BGLL,DBGLLJ）.利用节点重要度重构网络,根据模块度增益作为阶段函数和模块密度增益作为目标函数进行网络硬划分,并提出了结合改进的Jaccard系数的重叠检测方法.为验证算法,选择了3种算法在LFR网络和真实网络中进行测试,结果表明：在标准LFR网络和真实网络中,DBGLLJ算法检测效果较优,具有较高的重叠模块度以及重叠检测准确性,且运算效率较好.将所提算法应用于现实复杂机电系统因效性网络,重叠检测结果较好,具有较高的参考价值.